模糊控制直流电机调速Simulink

### 使用模糊控制在Simulink中实现直流电机调速建模与仿真

#### 一、构建基础模型
为了创建基于模糊逻辑控制器的直流电机速度控制系统，在MATLAB/Simulink环境中需先搭建基本结构。这涉及到定义输入输出变量以及设置必要的参数配置。

- **初始化环境**：启动MATLAB并打开一个新的Simulink项目文件。

- **引入组件**：从库浏览器拖拽相应的模块到工作区，包括但不限于电源供应、电流传感器、转矩负载等物理元件；同时加入用于信号处理的功能块如积分器、微分器等辅助计算单元[^2]。

% 打开新的Simulink模型窗口
new_system('FuzzyControlledDCMotor')
open_system('FuzzyControlledDCMotor')

#### 二、设计模糊推理系统(FIS)
接着要开发一个自定义的模糊推理引擎来作为核心控制器部分。此过程主要依赖于MATLAB自带的`fuzzy`工具箱完成：

- 定义隶属度函数（MFs），即描述误差及其变化率的语言术语集；
- 设定规则库，依据专家经验制定一系列IF-THEN形式的知识表达式；
- 调整解模糊化策略，决定最终输出量的具体数值表示方法。

% 创建一个新的Mamdani型模糊推理解析对象
fis = mamfis;

% 添加两个输入变量——误差(error) 和误差变化率(change of error)，设定范围[-10,10]
addInput(fis,[ -10 10 ],'Name','Error');
addInput(fis,[ -10 10 ],'Name','ChangeOfError');

% 对每个输入变量分别增加三个三角形形状的隶属度函数
mfNames = {'NegativeBig', 'Zero', 'PositiveBig'};
for i=1:length(mfNames)
    addMembershipFunction(fis,'input',i,...
        struct('Type','trimf',...
               'Parameters',[(-2+i)*4 (-1+i)*4 (0+i)*4],...
               'Name',mfNames{i}));
end

% 同样地为单个输出变量添加相应数量和类型的MFs
addOutput(fis,[ -5 5 ],'Name','ControlAction');
for i=1:length(mfNames)
    addMembershipFunction(fis,'output',1,...
        struct('Type','trimf',...
              'Parameters',[(-2+i)*2 (-1+i)*2 (0+i)*2],...
              'Name',mfNames{i}));
end

% 建立规则表，这里仅给出简单例子
ruleList = [
     1 1 1 w1 % IF Error is NegativeBig AND ChangeOfError is NegativeBig THEN ControlAction is NegativeBig with weight w1
     ...
];
writeFIS(fis,'MyCustomController.fis'); % 将上述设置保存成外部文件以便后续加载使用

#### 三、集成至整体电路图内
当完成了以上准备工作之后，则可以将所编写的`.fis`格式的模糊控制器导入到先前准备好的Simulink框架之中，并与其他硬件抽象层相连接形成闭环反馈回路。

- 利用`Fuzzy Logic Controller`模块读取预先存储下来的模糊决策机制文档；
- 连接线路使得测量所得的速度偏差能够顺利传递给该智能调控装置；
- 设置期望达到的目标旋转速率作为参考指令源接入比较环节之前的位置上。


#### 四、执行模拟测试
最后一步就是运行整个程序来进行性能评估了。调整好初始条件后点击播放按钮即可观察动态响应曲线的变化趋势，进而判断方案的有效性和稳定性特征。

---